La Duck Conf 2026 - CR - Comment utiliser la GenAI pour moderniser une application en deux fois moins de temps

Introduction

Ce talk traite de la modernisation d’une application métier utilisée pour gérer les plannings de supervision d’un réseau électrique fonctionnant 24/7. Dans son partage, Soufiane s’intéresse à la fois à la transformation technologique et à l’usage de l’IA générative comme accélérateur, avec une attention particulière portée à la sécurité.

Le problème abordé est celui d’une application ancienne, riche en règles métiers, qui doit évoluer vers un socle plus récent sans compromettre la continuité de service ni alourdir les risques techniques. Durant ce talk, Il nous démontre que l’IA peut accélérer la mise en production d’un produit mais qu’elle peut aussi introduire de nouvelles vulnérabilités. Si elle n’est pas encadrée. Un sujet très intéressant et qui combine des enjeux très concrets tels que la dette technique, la pression liée au renouvellement rapide des technologies, les exigences d’exploitation en continu et la transformation des pratiques de développement. Il apporte aussi un retour d’expérience utile et concret sur la manière de tirer parti de l’IA.

Photo du public et Soufiane Keli durant le talk

Le problème posé

Le constat est clair, moderniser une application historique ne consiste pas seulement à changer de technologie, mais à sécuriser une trajectoire de transformation dans un environnement mouvant. Le vrai défi n’est pas tant l’existence de nouveaux outils que la capacité de l’équipe à avancer et s’adapter aux réalités du terrain.

  • Contexte : Une application métier stratégique gérant des plannings de supervision de réseaux critiques, accumulant 10 ans de règles métiers spécifiques et complexes.
  • Difficultés rencontrées :

-Dette technique (un "code spaghetti"), une complexité telle que toute modification devient risquée.

-Performances catastrophiques, certaines pages mettaient plus de 20 secondes à charger pour seulement 35 utilisateurs.

-Obsolescence: des technologies dépassées empêchant toute ouverture ou évolution sécurisée.

-L' impossibilité de déployer l'outil à cause d'un code trop spécifique et non "propre".

  • Limites des pratiques actuelles : Soufiane note que, sans l’IA, estimer un tel chantier est impossible ou décourageant. Selon lui, les organisations passent trop de temps à hésiter sur les technologies, et pendant ce temps, l'application vieillit encore plus vite.

Les idées clés du talk

Idée clé n°1 : Le renversement de la pyramide de production

L'idée centrale est de déplacer l'effort humain de la réalisation vers la conception.

  • Explication : Dans un projet classique, on passe énormément de temps à écrire du code. Ici, on passe 70% du temps à planifier et spécifier, 20% à affiner les instructions, et seulement 10% à la réalisation, car c'est l'IA qui génère le code.
  • Exemple concret : Pour une "user story" (ex: calculer les heures de travail d'un agent), au lieu de coder, on rédige des instructions extrêmement détaillées (un "plan de tâches") que l'IA va résoudre. Si le résultat est mauvais (si le test KO), on ne corrige pas le code à la main mais on ajuste l'instruction ou le standard de développement et puis on relance la génération de code.

Schéma boucle de développement classique sans IA

Schéma boucle de développement assisté par IA

Idée clé n°2 : L'IA comme un "Junior" à qui il faut un onboarding précis

Soufiane souligne qu’il faut traiter l'IA comme un nouveau développeur junior qui arrive dans une équipe.

  • Retour d’expérience : Pour obtenir du code de qualité (Clean Code, principes SOLID, classes de moins de 30 lignes), il ne suffit pas de "prompter" vaguement. Il faut fournir à l'IA un contexte complet incluant les standards de l'entreprise, la documentation JIRA, et paramètrer des agents spécialisés (agent architecte, agent testeur,...).
  • Pratique recommandée : Créer des fichiers d'instructions récurrents. Si vous voulez que l'IA utilise l'inversion de dépendance, vous devez l'expliquer dans sa “fiche de poste". L'humain devient un mentor qui valide et guide.

La démarche BMAD

Idée clé n°3 : La gestion de la "Vitesse de l’ IA" et du goulot d'étranglement humain

L'accélération technique crée de nouvelles tensions organisationnelles et psychologiques.

  • Explication : L'IA peut générer des fonctionnalités 4 à 8 fois plus vite qu'une équipe humaine. Le problème se déplace car ce sont désormais les "Métiers" (les clients) qui n'arrivent plus à suivre le rythme des livraisons pour valider les fonctionnalités.
  • Pratique recommandée : Ne pas pousser le système à 100%. Il conseille d'utiliser l'IA à 50% de ses capacités pour garder du temps pour l'apprentissage pour l’Homme. Travailler en mode "IA intensive" est épuisant mentalement gestion de plusieurs tâches en quelques minutes). Il est donc crucial de réinvestir le temps gagné par exemple dans la veille technologique.

Exemples de gain liés à l'IA

Ce qu’il faut retenir

Le basculement de l'effort vers la conception : la réussite d'un projet "boosté à l'IA" repose sur un transfert d'énergie massif (70 % du temps) vers la planification et la rédaction d'instructions ultra-précises, transformant le développeur de "codeur" en "architecte-instructeur".

L'IA comme multiplicateur de vitesse et de qualité : en traitant l'IA comme un junior qu'il faut rigoureusement encadrer avec des standards, il devient possible de reconstruire en un mois une application legacy accumulant dix ans de dette technique.

La gestion de la nouvelle cadence : l'accélération technologique déplace le goulot d'étranglement de la technique vers l'humain. La priorité devient alors la capacité du métier (le client) à valider les fonctionnalités et la capacité de l'équipe à apprendre en continu.

Conclusion

Ce partage démontre que l'IA transforme radicalement la modernisation logicielle en un exercice de haute conception, le développeur devient un chef d'orchestre qui, en déléguant la production du code, peut enfin garantir une excellence architecturale et une vitesse de livraison autrefois impossibles. Le piège est de sacrifier votre propre expertise technique sur l'autel de la productivité. Car sans un regard critique humain pour piloter et valider les outputs de l'IA, vous risquez de construire un système dont vous ne comprenez plus les rouages.